Cognivia：面向循证心理健康服务的认知行为疗法副驾驶

认知歪曲会放大负面情绪，并促成心理健康障碍。认知行为疗法（CBT）是应对认知歪曲的有效方法，但其大规模应用受限于专业治疗师的短缺。尽管大语言模型（LLM）近来已被探索用于心理健康应用，但现有方法仍存在领域针对性有限、回应过度迎合、以及缺乏针对认知歪曲的明确定义标注等问题。本文提出Cognivia，一种整合自动认知歪曲识别与理性回应生成的循证人工智能治疗师。我们的框架构建于被广泛视为核心范式与标准参考的权威CBT文本之上。它进一步以心理健康问答数据加以扩充，并在行为科学专家的监督下采用多阶段提示与结构化生成策略。随后我们在此增强的CBT数据集上微调一个轻量级LLM，得到Cognivia。此外，我们提出了首个用于评估LLM生成的理性回应的分层质量评估框架，该框架由AI研究者与行为科学专家协作开发。Cognivia通过词汇指标、采用两个互补准则的基于LLM的裁判，以及10位行为科学专家的人工评估进行评价。它在认知歪曲识别与理性回应生成方面持续优于基线方法，证明了其有效性。我们的代码发布于 https://github.com/SNOWTEAM2023/Cognivia。